近日，华南农业大学教授张建桃团队联合华南理工大学副教授巫威眺、香港理工大学副教授顾卫华等科研人员，在地空协同林业监测研究方面取得重要进展，实现路网约束下全链路协同优化，可拓展至应急巡检等低空场景。相关成果发表于《运输研究E辑：物流与运输评论》（Transportation Research Part E: Logistics and Transportation Review）。

不同无人机作业架次下的覆盖率-作业时间帕累托前沿。研究团队供图

我国作为森林资源大国，每年因森林火灾、病虫害等因素而遭受严重损失。以松材线虫病为例，据调查，该病害已波及全国18个省份。仅广东省，疫区就已扩大至19个地级市、71个县（区）、近539个镇，累计发生面积约222,093公顷。林业监测作为虫害与火灾防控的前置环节，对保障森林生态安全、维护生态平衡以及减少经济损失具有十分重要的现实意义。

在林业监测中，精准且快速的监测对遏制病害蔓延至关重要。这要求实现高覆盖降低漏检率以遏制感染复发，同时需要快速响应以确保及时采取行动。然而传统地面人工监测覆盖面积有限，并且存在依赖人工经验、周期长、重复作业等短板；无人机虽具备机动灵活、分辨率高且能够深入林区的优势，但受续航和通信距离制约，难以独立完成大范围林区巡检。

利用卡车搭载无人机沿路网移动，可有效拓展无人机作业范围，然而在该模式下的任务规划中涉及到区域划分、停靠点选址、无人机航迹与卡车行驶路线等深度耦合的问题，分开规划易导致方案不匹配、资源利用率低下。尤其在包含大量候选停靠点的大型道路网络中，该问题将会演变为计算上不可解的难题，且极易陷入局部最优解困境。

针对上述痛点，研究团队在广东省基础与应用研究基金、国家自然科学基金等项目资助下，创新构建了卡车-无人机协同大规模林业监测多目标优化模型，同时达成最大化监测覆盖率和最小化总作业时间的双重目标，将路网可达性约束、停靠点组合优选、子监测区域划分及车机地空协同调度纳入统一优化体系。

研究前期先将监测区域转换为投影坐标系下的网格化单元，结合遥感影像与实地调研数据剔除村庄、农田、水域等非监测区域，从源头削减无效计算量。在求解算法层面，团队自主设计基于固定-优化的迭代分解框架，将高度耦合的复杂NP-hard问题拆解为两个互补子问题交替求解：固定子区域划分时，通过聚类采样和变邻域搜索完成卡车停靠点组合优选；固定停靠点后，识别孤立监测区块并完成局部重分配，再通过遗传算法优化无人机犁地式覆盖路径的航向角。

同时，团队搭建了帕累托解集维护与并行评估机制，实现子区域内航迹-覆盖-能耗同步仿真及迭代周期内独立子任务并行求解，能够同时输出多种覆盖率目标下的最优车机协同方案，以目标覆盖率为100%为例，本方案总作业时间较经验方案与传统规划方案降低14.13%与6.54%；无人机作业时间分别降低22.92%与8.43%；空行程比例较经验方案下降54.17%；资源利用率提高了26.9%。与此同时大幅提升了大规模林区场景的计算效率。

该研究突破了传统规划模型预设停靠点、分区与航迹规划相互割裂的局限，首次在路网通行约束下实现子区域划分、停靠点选址、无人机覆盖路径及卡车地面调度的一体化协同优化，相关方法可快速拓展应用于林火巡查、灾害应急巡检、大范围生态资源调查等更多低空作业场景。

相关论文信息：https://doi.org/10.1016/j.tre.2026.105191